lexical substitution | BriefGPT

关键词lexical substitution

搜索结果 - 9

自然语言处理数据增强在仇恨言论检测中的综合研究：传统方法、BERT 和 LLMs
本研究探讨了数据增强方法，包括传统方法和当代实践，如大型语言模型（LLM）在仇恨言论检测中的应用。同时，我们提出了基于 BERT 的编码器模型和上下文余弦相似度过滤的优化利用，通过降低标签改变率从而提高 F1 得分表现。与传统方法相比，使用
PDF3 months ago
ProLex：面向语言能力的词汇替换基准
通过 PropLex 基准和模型，我们提出了一项新的任务，即面向语言熟练度的词汇替换，并展示了使用特定任务合成数据对 Llama2-13B 模型进行微调的最佳模型，在 F-score 上超过 ChatGPT 平均 3.2％，并在 ProLe
PDF6 months ago
COLING基于去文本化嵌入的无监督词汇替换
本文采用预训练语言模型提出一种新的无监督词汇替换方法，通过根据单词在多个上下文中的平均上下文表示相似性来检索替代词，实验表明该方法在英语和意大利语上表现明显优于强基线，并且能够成功预测低频替代词且不受形态和句法中的词汇一致性的影响。
PDF2 years ago
始终牢记目标：研究语义并提高神经词汇替换的性能
本文比较了多种词汇替换方法，使用包括 context2vec、ELMo、BERT、RoBERTa、XLNet 等在内的多种语言模型，并证明注入目标词信息后，能够进一步显著提高现有最佳语言模型的结果。作者还分析了不同模型或注释者给出的目标词和
PDF2 years ago
AAAI通过上下文感知的词汇替换追溯文本来源
本文提出了一种基于上下文感知词汇替换的自然语言水印方案，该方案使用 BERT 来推荐 LS 候选词，并基于同步性和可替换性设计选择策略，结果表明该水印方案能够很好地保留原始句子的语义完整性，并且具有更好的可转换性。
PDF3 years ago
LexSubCon：将词汇资源的知识融入上下文嵌入，用于词汇替换
LexSubCon 是一种端到端的词汇替换框架，结合上下文嵌入模型与结构化词汇资源，在词汇替换任务中取得高精度替换候选词，并通过混合嵌入策略、文档定义相似度和微调的句子相似性模型计算每个替换对句子语义的影响，从而优于先前的最先进方法。
PDF3 years ago
ACLSwords: 一种具有改进数据覆盖率和质量的词汇替换基准
本文提出一种基于分类方法的新型词汇替换基准测试数据集，与现有基准测试相比，该数据集具有更高的数据质量和更广的数据覆盖率，其替换词以人类判断的可行性和上下文适宜度为导向，相比已有基准测试，其能够为同一任务提供更多、更合适的替换词。
PDF3 years ago
基于神经语言模型的词汇替换方法比较研究
本文基于大规模比较研究了常用的大规模神经语言和蒙面语言模型（LM 和 MLM），比如 Context2vec，ELMo，BERT，XLNet，在词汇替换任务中的应用。研究表明，如果目标词语的信息被适当地注入，则可以进一步提高 SOTA LM
PDF4 years ago
ACL情感风格转移的挑战：基于词汇替换管道的探索
我们提出了情感风格转移的任务，并设计了基于三个步骤的透明情感风格转移流程，其中包括选择最有前途的单词进行替换，使用词汇和分布语义找到替代单词的候选集以及使用包括内容、情感和流畅性等组成的客观函数选择最有前途的替代组合。通过自动化和注释研究，
PDF4 years ago